DSA Faculty
API
← к списку преподавателей

Щепелева Мария Александровна

Факультет экономических наук

Профиль на hse.ru ↗ тел.: 27162
Публикаций
39
Языков
2
Наград
5
Конференций
0
Профиль Публикации (39) Курсы (10)

Профессиональные интересы

системный рискмакрофинансовые взаимосвязиденежно-кредитная политикамакропруденциальная политикафинансовые кризисыфинансовая стабильность

Должности

  • Доцент — Факультет экономических наук, Департамент теоретической экономики
  • Старший научный сотрудник — Факультет экономических наук, Научно-учебная лаборатория финансовых инноваций и риск-менеджмента

Био

  • · Начала работать в НИУ ВШЭ в 2017 году.
  • · Научно-педагогический стаж: 8 лет.

Образование

  • 2016 · Кандидат экономических наук
  • 2014 · Магистратура: Московский государственный институт международных отношений (университет) МИД РФ, специальность «Экономика», квалификация «Магистр»
  • 2012 · Специалитет: Московский государственный институт международных отношений (университет) МИД РФ, специальность «Экономика», квалификация «Бакалавр экономики»

Опыт работы

  • · 2014-2017: Банк России, аналитик Департамента денежно-кредитной политики
  • · 2018-н.в.: старший преподаватель

Награды и поощрения

  • · Благодарность факультета экономических наук НИУ ВШЭ (декабрь 2024)
  • · Благодарность департамента теоретической экономики НИУ ВШЭ (январь 2022)
  • · Персональная надбавка ректора (2019–2020)
  • · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2025–2026, 2024–2025, 2023–2024)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2022–2023, 2021–2022, 2019–2020)

Гранты и проекты

  • — · на соискание учёной степени кандидата наук

Идентификаторы исследователя

Публикации (39)

Как прогнозировать дефолты банков: эволюция методов, моделей и факторов риска

2026 · ARTICLE · ru

Прогнозирование банковских дефолтов представляет собой важную задачу для всей экономики. Раннее выявление проблемных банков помогает предотвратить надвигающиеся банкротства либо минимизировать связанные с ними потери. В статье обсуждается современ ное состояние инструментальных методов и данных, используемых для этой цели. Последова тельно рассматриваются теоретические предпосылки, эволюция методологических подходов, применяемых для прогнозирования банковских дефолтов, особенности работы с данными, а также перечни предикторов, которые включают в модели раннего оповещения. Делается вы вод, что в литературе до сих пор наблюдаются существенные противоречия в отношении как методов, так и переменных, которые следует использовать в прогнозных моделях. Методы ма шинного обучения демонстрируют лучшую по сравнению с традиционными статистическими моделями способность выявлять нелинейные зависимости и работать с большими выборка ми. Их преимущества часто нивелируются при вневыборочной оценке. Другие ограничения подобных методов связаны с риском переобучения и сложностью интерпретации результатов. Списки потенциальных предикторов банковских дефолтов также разнятся от страны к стране. Чаще всего в прогнозных моделях используют данные банковских балансов и финансовые ко эффициенты. Однако есть исследования, которые показывают для отдельных стран повышение точности прогнозов при включении рыночных, макроэкономических и нефинансовых показа телей. Перспективы дальнейших исследований в этой области заключаются в поиске оптималь ного сочетания параметрических и непараметрических подходов, исследовании потенциала не финансовых показателей в качестве факторов банковских банкротств, а также в проведении исследований на больших выборках, включающих как развитые, так и развивающиеся страны.

DOI ↗ PDF ↗

A sentiment-based financial stress index for Russia

2025 · ARTICLE · en

We propose a sentiment-based financial stress index (S–FSI) for Russia from January 2018 to June 2024. The index is based on the intensity of internet searches in Russian via Google and Yandex for terms with negative connotations about financial stability. The terms in our index form a unique dictionary that captures both global and country-specific financial stress factors. The index shows the most significant increases at the onset of the COVID-19 pandemic and the Russian-Ukrainian conflict. Evidence suggests that our index precedes an alternative financial stress index for Russia based on conventional financial data and industrial production. The index also provides valuable insights not captured by existing non-financial sentiment indicators for Russia—economic policy uncertainty and geopolitical risk indices. Overall, our proposed novel index can effectively monitor financial stress in the Russian economy.

DOI ↗

What is the relationship between biodiversity and the frequency of financial crises? Global evidence

2025 · ARTICLE · en

The paper studies the relationship between the state of world’s biodiversity proxied by the Living Planet Index and the frequency of financial crises, conditional on global economic growth and the total number of biodiversity-related environmental policy instruments, during 1970–2018. We find that the increased frequency of banking crises as well as triple crises, i.e. simultaneously occurring banking, sovereign debt and currency crises, has a detrimental effect on biodiversity. Moreover, this relationship appears bi-directional. Thus, our f indings call for a joint implementation of environmental and macroprudential policies to better align the goals of biodiversity conservation and financial stability worldwide.

DOI ↗ PDF ↗

Russia gives less than she receives: Evidence from the cross-country causal network of financial stress

2025 · ARTICLE · en

We investigate the time-varying role of Russia in the international causal network of financial stress. The network is derived using the factor-adjusted network estimation for high-dimensional time series (FNETS), which is applied to text-based financial stress indices for 66 countries. We run this technique for sequentially expanding time windows (ranging from 2000Q1:2013Q4 to 2000Q1:2023Q4). Based on centrality metrics, Russia is an important node in the international financial stress network. On average, the net balance of outgoing and incoming causal linkages is slightly negative, implying that Russia is a net receiver of financial stress. Nonetheless, this role of Russia in the network was reversed during the latest time windows encompassing the Russia–Ukraine conflict, as the number of outgoing linkages substantially increased. Despite pronounced geopolitical turbulences, the US and major European economies have the highest number of causal linkages with the Russian financial stress throughout the entire research period, while the density of linkages between the Russian financial stress and that of BRICS economies is strikingly limited.

DOI ↗

Построение системы опережающих индикаторов для прогнозирования валютного кризиса

2025 · ARTICLE · ru

Данная работа посвящена анализу финансовых кризисов. Рассматриваются различные классификации кризисов, методы их прогнозирования, подходы к составлению системы опережающих индикаторов. Для лучшего понимания возможностей прогнозирования финансовых кризисов проводится собственное эмпирическое исследование по развивающимся странам с использованием традиционного эконометрического подхода для предсказания валютных кризисов и метода случайного леса. Выявлены наиболее значимые переменные, изменение которых может сигнализировать о начале валютного кризиса. Цель исследования – сравнить прогностическую силу эконометрических моделей и методов машинного обучения для прогнозирования валютных кризисов в развивающихся странах и составить набор релевантных переменных, которые можно использовать в системе опережающих индикаторов. В работе применяется логит-регрессия и модель случайного леса. Для сравнения прогнозной силы моделей используется ROC-кривая. Значимость переменных в модели случайного леса определяется на основе значений Шепли. Полученные результаты свидетельствуют в пользу чуть более высокой прогностической силы случайного леса. Наиболее робастными предикторами валютных кризисов с точки зрения обеих моделей являются мировые цены на нефть и депозиты коммерческих банков. Полученные результаты могут быть приняты во внимание экономическими институтами, занимающимися регулированием финансовой системы, так как показывают, на какие индексы стоит в первую очередь обращать внимание при прогнозировании валютных кризисов в развивающихся странах.

DOI ↗ PDF ↗

Systemic Risk Transmission between Countries: Evidence from High-Dimensional Vector Autoregressions

2025 · ARTICLE · en

We investigate the transmission of systemic stress in a sample of selected advanced and emerging market economies for the period between August 2008 and June 2024. Using national SRISK indices, we estimate high-dimensional vector autoregressions and conduct Granger causality tests. We display the lead-lag linkages among the countries as a network and examine its topology. We find that Thailand, France, Singapore and the United States are the main transmitters of systemic financial risk. Thailand and Hong Kong appear the major receivers of systemic risk within the network. These results could be useful for policymakers responsible for the international coordination of macroprudential policies.

DOI ↗ PDF ↗

Do commodity prices matter for global systemic risk? Evidence from ML variable selection

2024 · ARTICLE · en

We identify robust predictors of global systemic risk proxied by conditional capital shortfall (SRISK) among a comprehensive set of commodity prices for the period between January 2004 and December 2021. The search is based on a battery of ML variable selection algorithms which apply both to price levels and price shocks in the presence of control variables, including the first lag of SRISK, world industrial production, global economic policy uncertainty, geopolitical risk as well as the global stance of monetary and macroprudential policies. We find that these controls outweigh commodity prices as the predictors of global systemic risk. Of the commodities themselves, the prices for agricultural commodities, including food, e.g. chicken, bananas, beef, tea, cocoa, are more important predictors of global systemic risk than the prices for energy commodities, e.g. natural gas and oil prices. The financialization of agricultural commodities, bio-energy expansion as well as commodity-specific dependence of the major economies contributing to global systemic risk, e.g. China, account for our main finding. We also document the positive linkage between commodity prices and systemic risk for the majority of commodities. Thus, monitoring commodity prices to avoid their unbalanced growth is of vast importance to curb global systemic financial risk.

DOI ↗ PDF ↗

Predicting Systemic Risk in the Russian Financial Sector with Boosting Techniques

2024 · ARTICLE · en

We test the predictive performance of different ensemble methods for forecasting systemic risk in Russia for the period 2008-2024. In contrast to the existing research on machine learning ensemble techniques, we find that conventional random forest works better for the Russian data. Based on this model, we additionally conduct variable importance analysis. We identify that the first three lags of the exchange rate as well as the level of non-performing loans are of utmost importance for systemic risk in the national financial sector.

DOI ↗ PDF ↗

The Systemic Risk-Uncertainty-Real Economic Activity Nexus: What is beyond Median Estimation?

2024 · ARTICLE · en

The paper investigates the lead-lag relationships among systemic risk, economic uncertainty and real economic activity for top-5 contributors to global systemic risk, the USA, China, the UK, France and Japan, during January 2010-July 2023. By decomposing these variables into a below- and above-the-median components and applying VAR models to them, we confirm the presence of asymmetric relationships among systemic risk, economic uncertainty and real economic activity. Most of these asymmetric linkages are found for the USA, followed by the UK and China.

DOI ↗

Do Sanctions Trigger Financial Crises?

2024 · ARTICLE · en

We investigate the effect of sanctions on the occurrence of financial crises. We use the Classification and Regression Tree (CART) algorithm to check whether binary classification mechanism selects sanctions as a predictive factor for the different types of financial crises. We find that trade sanctions matter for the increased probability of banking crises, while military sanctions are associated with currency crises. We find no evidence of the effect of sanctions on sovereign debt crises. We furthermore indicate which variables and their respective thresholds serve as potential harbingers of financial crises.

DOI ↗ PDF ↗

Курсы (10)